프로젝트 요약

실제 IoT Device 없이 Side-Channel Analysis 연구에 활용할 수 있는 데이터를 생성하기 위해 ARM Cortex-M4 기반 가상 임베디드 환경 구축

암호 알고리즘 실행 과정의 Power Trace와 Instruction 정보를 Dataset으로 구성하고, Deep Learning 모델을 활용해 생성 데이터의 활용 가능성을 검증

연구 수행 내용

• QEMU·GDB를 활용하여 ARM Cortex-M4 기반 가상 임베디드 환경 구축
• 암호 알고리즘에 원본 연산과 유사한 더미 연산을 삽입하는 하이딩 기법 적용
• 암호 알고리즘 실행 과정의 Instruction을 추출·가공하고, ELMO로 모의 Power Trace를 생성하여 Side-Channel Dataset 구축
• RNN·Bidirectional RNN·MLP를 활용하여 생성한 Dataset의 Side-Channel Analysis 활용 가능성 검증

기술 구현 및 기여

• QEMU와 GDB를 활용해 ARM Cortex 아키텍처 기반의 가상 임베디드 환경을 구축
• RSA, DES, 해시 알고리즘에 하이딩 기법을 적용
• Instruction과 Power Trace를 연계한 더미가 포함된 Side-Channel Dataset 생성 Pipeline 구축
• RNN·양방향 RNN·MLP를 활용한 더미 연산 식별 성능 평가 및 생성 데이터의 학습·검증 활용 가능성 확인

결과 및 성과

• 논문에 제시한 데이터 건수 기준 ASCAD 대비 약 18배에 해당하는 892,597건의 명령어 기반 부채널 데이터를 생성하고, Deep Learning 기반 더미 연산 식별 실험을 통해 생성 데이터의 활용 가능성 검증
• 임베디드 가상 환경 및 생성 Dataset을 활용한 Side-Channel Analysis 연구를 수행하여 SCI 논문 2편 게재